2021 · 2026
AutoTab v2
Gitarren-Tabulatur aus Audio per CNN
Keras 3 auf CQT-Features, 6 Saiten × 21 Klassen. 2026 modernisiert: Python 3.12, uv, CLI, Streamlit-App, Docker, pytest, GitHub Actions. Die Kalibrierung der Silence-Klasse hebt den F-Score um etwa das Dreifache — ohne Retraining.
- 6 Saiten × 21 Klassen
- CQT-Features
- ~3× F-Score
- Python 3.12
- Keras 3
- librosa
- uv
- Streamlit
- Docker
- pytest
- GitHub Actions
Problem
Gitarristen lernen Stücke nach Tabulatur, aber die meisten Aufnahmen haben keine. Aus Audio die Bünde herauszuhören ist mühsam – und ein interessantes Problem für ein neuronales Netz, weil sechs Saiten gleichzeitig klingen.
Lösung
Ein Convolutional Neural Network in Keras, trainiert auf dem GuitarSet-Datensatz der Queen Mary University. Constant-Q-Spektrogramme als Eingabe, sechs Ausgänge mit je 21 Klassen – ein Bund oder Stille pro Saite. 2021 im Bootcamp entstanden, 2026 vollständig modernisiert: Python 3.12, Keras 3, uv, CLI, Streamlit-Oberfläche, Docker, 18 Tests und CI.
Ergebnis
Die größte Verbesserung kam nicht aus mehr Training, sondern aus einer Kalibrierung der Stille-Klasse: rund dreifach höherer F-Score bei gleichem Modell. Mit Demucs trennt das Werkzeug inzwischen die Gitarre aus ganzen Songs, und Adapter für sechs Datensätze machen weiteres Training möglich.